Eléments de statistique - uliege.be

Eléments de statistique

L. Wehenkel

Cours du 9/12/2014 Méthodes multivariées; applications & recherche

Quelques méthodes d’analyse multivariée

• NB: illustration sur base de la BD ‘résultats de probas en juin 2013’

• Méthodes illustrées (explications au tableau)

• analyse de corrélations (dendrogramme)

• analyse de similarités (k-means)

• apprentissage supervisé (arbre de décision)

• importance de variables (t-test, Extra-Trees)

La BD … (pour rappel)

Un dendrogramme

Classification automatique

Un arbre de décision

Importances des variables

Recherches en Systèmes et Modélisation

Ceci n’est pas un système électrique

Terrain de recherches

Données Modèles

Décisions

Exploitation de données

Bases de données Apprentissage automatique

Modèles de systèmes

Stratégies de

décision

Identification

Exploitation de données

Bases de données

Stratégies de

décision


Opt

imisa

tion

Exploitation de modèles

Base de données

Optimisation/InférenceModèles de systèmes

Stratégies de

décision

Exploitation de modèles

Base de données


Stratégies de

décision

Simulation

Appr

entis

sage

Exemple de recherche en cours (1) Amélioration de stratégies de traitement

médical des maladies chroniques

• Objectif:

• des stratégies de traitement médical plus efficaces et mieux adaptées au patient (p.ex. STI pour infection HIV)

• Point de départ:

• données d’enregistrements cliniques de suivi de patients en traitement

Con

trôl

e op

timal

Construction de stratégies de traitement médical

Modèle dynamique

Identification de systèmes

Stratégies de

traitementApprentissage par renforcement

Bases de données

cliniques

Exemple de recherche en cours (2) Construction de règles d’ajustement

pour la production d’électricité

• Objectif:

• Construction d’un plan de production robuste et de règles d’ajustement (p.ex. pour l’infra-journalier)

• Point de départ:

• Modèle détaillé du parc de production et des aléas de consommation et de pertes de groupes

Optimisation de la gestion d’un parc de production

Base de données simulées

Programmation stochastique

Simulation de M

onte-Carlo Ap

pren

tissa

ge a

utom

atiq

ue

Plan robuste et

règles d’ajustement en infrajournalier

Modèle du parc et des

aléas de production-

Recherches en méthodes

• Apprentissage automatique

• supervisé, non-supervisé, par renforcement

• images, séquences, séries temporelles, graphes

• Optimisation

• convexe, discrète, stochastique

• Simulation

• temporelle, échantillonnage de Monte Carlo

Quelques exemples de projets aboutis

Amélioration des systèmes de protection des systèmes électriques

Contrôle de qualité par système de vision par ordinateur

Aide au diagnostic médical par analyse de données d’expressions de protéines

Amélioration du contrôle-commande d’un laminoir de sidérurgie

Aide au diagnostic médical par analyse automatique d’images cytologiques

Le Big Data

• Dans de nombreux domaines, les volumes de données collectées deviennent énormes

• Pour exploiter ces données, de nouvelles disciplines sont développées, à la convergence de l’informatique et des statistiques

• Data Science

SEMINAIRE R&D-I - RTE

Some ‘Big Data’ success storiesin other fields

28March 5, 2014, Paris

NB: I have collected this information from the WEB, and thus have to admit that I can not certify that all this is exactly true. My purpose here is merely to illustrate some possible uses, sometimes a bit surprising, of Big Data Analytics.


WALMART sells more Strawberry Pop-Tarts when there is a Hurricane !

March 5, 2014, Paris29

Just one example of weather related modeling of ‘customer behavior’ Carried out by correlation analysis of a lot of data internal to company and additional data external to it (here the weather data) Can already be exploited, even if we do not really understand what causes this apparently strange customer behavior


Grocery store optimizes wine selling !• Lots of data tell us that many consumers tend to choose

the ‘average product’, when they have a choice between • Cheap • Average • Expensive

• So, if you want to increase sales of wine in the range of 15-20€ per bottle, it is of interest to place next to them a choice of wines in the range of 40-50€ per bottle

• Even if nobody is going to buy these expensive bottles, putting them in the shop will certainly increase your sales of the type of wine that you actually want to sell !



Progress in predicting flu outbreak !

• Centers for Disease Control and Prevention • Long established practice for predicting flu outbreak, based on

scientific expertise, deep models and specific data collection

• Google tries out to make such predictions based on search patterns of their users

• Success story says that Google can predict flu outbreak about 2 weeks before the CDC



Cell-phone payment histories provide basis for bank credit allocation !

• Cell phone provider in India has hundreds of millions of customers

• They found out that the payment histories of their customers can be used for bank credit allocation

• They sold the credit scoring information to Indian banks



UPS ORION beats Google Maps !



Exegesis• Success is often the result of using the right combination of various

heterogeneous (internal + external) data sources • Big Data means exploitation of very large datasets, so that

observed correlations can often be accepted as being facts • Sometimes, the data analytics yield totally unexpected findings,

which turn often out to be of great value. • Proper algorithms and IT have to be put in place, in order to

maintain the information and enable its exploitation in the business of the company

• NB: Correlation analysis must often be combined with human judgment and/or experiments, to yield useful causal models • Indeed, “A correlated with B” can mean

• “A causes B” • “B causes A” • “Both A and B have a common cause C”


Documents

Eléments de statistique - uliege.be